โมเมนตัมอนุกรมเวลา (TSMOM)
factor.formula
ปัจจัยโมเมนตัมอนุกรมเวลา (TSMOM):
ผลตอบแทนส่วนเกินของหุ้นแต่ละตัว:
ค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียลของผลตอบแทน:
ความผันผวนของผลตอบแทน:
โดยที่:
- :
แทนเดือน ใช้เพื่อระบุจุดเวลาที่เฉพาะเจาะจงในข้อมูลอนุกรมเวลา
- :
แทนหุ้นที่เฉพาะเจาะจง และใช้เพื่อระบุแต่ละบุคคลที่เฉพาะเจาะจงในข้อมูลภาคตัดขวาง
- :
แทนผลตอบแทนส่วนเกินของหุ้น $i$ ในเดือน $m$ เมื่อเทียบกับผลตอบแทนในอดีตของตัวมันเอง เป็นความแตกต่างระหว่างผลตอบแทนจริง $r_{m,i}$ ในเดือนปัจจุบัน และค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียล $\bar{r}_{m,i}$ ของผลตอบแทนในอดีต ผลตอบแทนส่วนเกินมีจุดประสงค์เพื่อจับภาพการเบี่ยงเบนของผลตอบแทนหุ้นแต่ละตัวเมื่อเทียบกับระดับในอดีตของตนเอง
- :
แทนผลตอบแทนของหุ้น $i$ ในเดือน $m$ โดยปกติจะกำหนดเป็นเปอร์เซ็นต์การเปลี่ยนแปลงของราคาหุ้นในช่วงเดือนนั้น
- :
แทนค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียลของผลตอบแทนรายเดือนของหุ้น $i$ ก่อนเดือนที่ $m$ ซึ่งใช้เพื่อปรับค่าอนุกรมเวลาของผลตอบแทนให้เรียบขึ้น กำจัดสัญญาณรบกวน และจับภาพแนวโน้มที่อาจเกิดขึ้น วิธีการคำนวณคือการหาค่าเฉลี่ยถ่วงน้ำหนักของผลตอบแทนในอดีต โดยที่น้ำหนักจะลดลงแบบเอ็กซ์โพเนนเชียลตามเวลา ทำให้ผลตอบแทนล่าสุดมีผลกระทบต่อค่าเฉลี่ยเคลื่อนที่ปัจจุบันมากขึ้น
- :
แทนความผันผวนของผลตอบแทนของหุ้น $i$ ในเดือนที่ $m$ เป็นรากที่สองของค่าเฉลี่ยถ่วงน้ำหนักของการเบี่ยงเบนของผลตอบแทนในอดีตจากค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียล โดยที่น้ำหนักจะลดลงแบบเอ็กซ์โพเนนเชียลตามเวลา ตัวบ่งชี้นี้วัดระดับการเปลี่ยนแปลงของผลตอบแทนในช่วงระยะเวลาหนึ่ง และสะท้อนถึงระดับความเสี่ยงของหุ้น
- :
แทนสัมประสิทธิ์การลดทอนแบบเอ็กซ์โพเนนเชียล ซึ่งเป็นพารามิเตอร์ระหว่าง 0 ถึง 1 และกำหนดระดับอิทธิพลของผลตอบแทนในอดีตต่อค่าเฉลี่ยเคลื่อนที่แบบเอ็กซ์โพเนนเชียล ค่า $\delta$ ยิ่งน้อย การลดทอนของผลตอบแทนในอดีตก็จะยิ่งเร็วขึ้น ทำให้ค่าเฉลี่ยเคลื่อนที่ให้ความสำคัญกับผลตอบแทนล่าสุดมากขึ้น
- :
แทนจำนวนเดือนที่ใช้ในการคำนวณค่าเฉลี่ยผลตอบแทนในอดีต ซึ่งในที่นี้คือ 12 เดือน $\frac{1}{N}\sum_{j=1}^{12}\hat{r}_{m-j,i}$ แทนค่าเฉลี่ยผลตอบแทนส่วนเกินในช่วง 12 เดือนที่ผ่านมา
factor.explanation
ปัจจัยโมเมนตัมอนุกรมเวลา (TSMOM) ทำนายผลตอบแทนในอนาคตโดยการวิเคราะห์แนวโน้มของผลตอบแทนในอดีตของหุ้นนั้นๆ แนวคิดหลักคือหากหุ้นแสดงผลตอบแทนส่วนเกินที่เป็นบวก (ลบ) ในช่วงเวลาหนึ่งในอดีต แนวโน้มนั้นมีแนวโน้มที่จะดำเนินต่อไปในอนาคต (แม้ว่างานวิจัยจะแสดงให้เห็นว่าโดยปกติแล้วจะเป็นสิ่งที่ตรงกันข้าม) ปัจจัยนี้จะคำนวณค่าเฉลี่ยของผลตอบแทนส่วนเกินในช่วง 12 เดือนที่ผ่านมาและใช้เครื่องหมายเป็นตัวบ่งชี้ทิศทาง จากนั้นผลตอบแทนส่วนเกินของเดือนปัจจุบันจะถูกหารด้วยความผันผวนของเดือนปัจจุบันเพื่อทำให้เป็นมาตรฐาน จุดประสงค์ของสิ่งนี้คือการทำให้สัญญาณโมเมนตัมมีความแข็งแกร่งมากขึ้นและลดน้ำหนักของหุ้นที่มีความผันผวนสูง ดังนั้น ปัจจัย TSMOM จึงสามารถใช้เพื่อจับภาพผลกระทบการกลับตัวในระยะสั้นของราคาหุ้นและสร้างพอร์ตการลงทุนที่สอดคล้องกันได้